Sarampo

Some additional details about the website

---

Base tratada (só casos Sarampo)

casos$DT_SIN_PRI2 <- as.Date(casos$DT_SIN_PRI, format="%m/%d/%Y")
 casos <- casos |> mutate(sem_epi = lubridate::epiweek(as.Date(DT_SIN_PRI2)),
                          ano_epi = lubridate::epiyear(as.Date(DT_SIN_PRI2)),
                          data_sem = aweek::get_date(sem_epi, ano_epi, start =7),
                          mes_ano = yearmonth(DT_SIN_PRI2))

Serie temporal por ano

# Fazendo uma tabela de anos
ano_epi <- 2000:2020
freq <- rep(0, 21)
ano_tabela <- as.data.frame(cbind(ano_epi, freq))

casos.st.ano <- casos |> 
           group_by(ano_epi) |>
           count(name="casos.sarampo") |>
           filter(ano_epi > 1999 & ano_epi < 2021) 

casos.st.ano <- ano_tabela |>
           left_join(casos.st.ano, by="ano_epi") |>
            mutate(casos.sarampo = ifelse(is.na(casos.sarampo), 0, casos.sarampo)) |>
            dplyr::select(ano_epi, casos.sarampo)


# casos.st.ano$ano_epi <- as.factor(casos.st.ano$ano_epi)
# levels(casos.st.ano$ano_epi) <- c('2000','2001','2002','2003','2004','2005','2006','2007','2008','2009',
#                                 '2010','2011','2012','2013','2014','2015','2016','2017','2018','2019', '2020')


casos.st.ano |>
  select(ano_epi, casos.sarampo) |>
  kbl() |>
  kable_paper("hover", full_width=F)

ano_epi	casos.sarampo
2000	138
2001	62
2002	25
2003	12
2004	0
2005	16
2006	57
2007	26
2008	14
2009	4
2010	73
2011	48
2012	5
2013	211
2014	816
2015	184
2016	4
2017	4
2018	9303
2019	18919
2020	7145

---

#### Fazendo com o dygraph
# casos.st.anos2 <- ts(casos.st.ano$casos.sarampo, start=c(2000), end=c(2020), frequency=1)
# 
# dygraph(casos.st.anos2) |>  
#   dySeries("V1", label = "Casos de Sarampo") |>
#   dyOptions(stackedGraph = TRUE) |>
#                             dyBarChart() |>
#                             dyRangeSelector(height = 20) |> 
#                             dyAxis("y", label = "Casos de Sarampo") |> 
#                             dyUnzoom() 

p <- ggplot(casos.st.ano, aes(x=ano_epi, y=casos.sarampo)) + 
     geom_bar(stat = "identity") +
     xlab("Anos") +  ylab("Casos de Sarampo") +
     theme_minimal()

ggplotly(p)

---

Serie temporal mensal

# Fazendo uma tabela de anos e meses
mes_ano2000 <- as.data.frame(yearmonth(make_date(year = 2000, month = 1:12))) |>
               rename_at(vars('yearmonth(make_date(year = 2000, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2001 <- as.data.frame(yearmonth(make_date(year = 2001, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2001, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2002 <- as.data.frame(yearmonth(make_date(year = 2002, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2002, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2003 <- as.data.frame(yearmonth(make_date(year = 2003, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2003, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2004 <- as.data.frame(yearmonth(make_date(year = 2004, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2004, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2005 <- as.data.frame(yearmonth(make_date(year = 2005, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2005, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2006 <- as.data.frame(yearmonth(make_date(year = 2006, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2006, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2007 <- as.data.frame(yearmonth(make_date(year = 2007, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2007, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2008 <- as.data.frame(yearmonth(make_date(year = 2008, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2008, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2009 <- as.data.frame(yearmonth(make_date(year = 2009, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2009, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2010 <- as.data.frame(yearmonth(make_date(year = 2010, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2010, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2011 <- as.data.frame(yearmonth(make_date(year = 2011, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2011, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2012 <- as.data.frame(yearmonth(make_date(year = 2012, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2012, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2013 <- as.data.frame(yearmonth(make_date(year = 2013, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2013, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2014 <- as.data.frame(yearmonth(make_date(year = 2014, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2014, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2015 <- as.data.frame(yearmonth(make_date(year = 2015, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2015, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2016 <- as.data.frame(yearmonth(make_date(year = 2016, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2016, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2017 <- as.data.frame(yearmonth(make_date(year = 2017, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2017, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2018 <- as.data.frame(yearmonth(make_date(year = 2018, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2018, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2019 <- as.data.frame(yearmonth(make_date(year = 2019, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2019, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)
mes_ano2020 <- as.data.frame(yearmonth(make_date(year = 2020, month = 1:12)))|>
               rename_at(vars('yearmonth(make_date(year = 2020, month = 1:12))'), ~ c('mes_ano')) |>
               mutate(freq = 1)

mes_tabela <- rbind(mes_ano2000, mes_ano2001, mes_ano2002, mes_ano2003, mes_ano2004, mes_ano2005, mes_ano2006,
                    mes_ano2007, mes_ano2008, mes_ano2009, mes_ano2010, mes_ano2011, mes_ano2012, mes_ano2013,
                    mes_ano2014, mes_ano2015, mes_ano2016, mes_ano2017, mes_ano2018, mes_ano2019, mes_ano2010)

rm(mes_ano2000, mes_ano2001, mes_ano2002, mes_ano2003, mes_ano2004, mes_ano2005, mes_ano2006,
                    mes_ano2007, mes_ano2008, mes_ano2009, mes_ano2010, mes_ano2011, mes_ano2012, mes_ano2013,
                    mes_ano2014, mes_ano2015, mes_ano2016, mes_ano2017, mes_ano2018, mes_ano2019, mes_ano2010)

casos.st <- casos |> 
           group_by(mes_ano) |>
           count(name="casos.sarampo") 

casos.st <- mes_tabela |>
           left_join(casos.st, by="mes_ano") |>
            mutate(casos.sarampo = ifelse(is.na(casos.sarampo), 0, casos.sarampo)) |>
            dplyr::select(mes_ano, casos.sarampo)

casos.st2 <- ts(casos.st$casos.sarampo, start=c(2000, 1), end=c(2020, 12), frequency=12)

dygraph(casos.st2) |>  
  dySeries("V1", label = "Casos de Sarampo")|>  
    dyOptions(stackedGraph = TRUE) |>
                       dyRangeSelector(height = 20) |> 
                       dyAxis("y", label = "Casos de Sarampo") |> 
                       dyUnzoom() 

---

Base original (Exantemáticas)

Serie temporal por ano

casos_2000_2007$DT_SIN_PRI2 <- as.Date(casos_2000_2007$DT_SIN_PRI, format="%d/%m/%Y")
casos_2000_2007 <- casos_2000_2007 |> mutate(sem_epi = lubridate::epiweek(as.Date(DT_SIN_PRI2)),
                          ano_epi = lubridate::epiyear(as.Date(DT_SIN_PRI2)),
                          data_sem = aweek::get_date(sem_epi, ano_epi, start =7),
                          mes_ano = yearmonth(DT_SIN_PRI2))

casos_2007_2020$DT_SIN_PRI2 <- as.Date(casos_2007_2020$DT_SIN_PRI, format="%d/%m/%Y")
casos_2007_2020 <- casos_2007_2020 |> mutate(sem_epi = lubridate::epiweek(as.Date(DT_SIN_PRI2)),
                          ano_epi = lubridate::epiyear(as.Date(DT_SIN_PRI2)),
                          data_sem = aweek::get_date(sem_epi, ano_epi, start =7),
                          mes_ano = yearmonth(DT_SIN_PRI2))

casos_2000_2007p <- casos_2000_2007 |> select(mes_ano, ano_epi)
casos_2007_2020p <- casos_2007_2020 |> select(mes_ano, ano_epi)

casos.orig <- rbind(casos_2000_2007p, casos_2007_2020p)

# Fazendo uma tabela de anos

casos.st.orig.ano <- casos.orig |> 
           group_by(ano_epi) |>
           count(name="casos.exantematicas") 

casos.st.orig.ano <- ano_tabela |>
           left_join(casos.st.orig.ano, by="ano_epi") |>
            mutate(casos.exantematicas = ifelse(is.na(casos.exantematicas), 0, casos.exantematicas)) |>
            dplyr::select(ano_epi, casos.exantematicas)

casos.st.orig.ano |>
  select(ano_epi, casos.exantematicas) |>
  kbl() |>
  kable_paper("hover", full_width=F)

ano_epi	casos.exantematicas
2000	53775
2001	45002
2002	27032
2003	20635
2004	18615
2005	22551
2006	21484
2007	41747
2008	26138
2009	10767
2010	10896
2011	8858
2012	6072
2013	6324
2014	7957
2015	6780
2016	2511
2017	2030
2018	18354
2019	68240
2020	17363

#### Fazendo com o dygraph
# casos.st.orig.ano2 <- ts(casos.st.orig.ano$casos.exantematicas, start=c(2000), end=c(2020), frequency=1)
# 
# dygraph(casos.st.orig.ano2) |>  
#    dySeries("V1", label = "Casos de Exantematicas") |>
#     dyOptions(stackedGraph = TRUE) |>
#                             dyBarChart() |>
#                             dyRangeSelector(height = 20) |> 
#                             dyAxis("y", label = "Casos de Exantematicas") |> 
#                             dyUnzoom() 

p <- ggplot(casos.st.orig.ano, aes(x=ano_epi, y=casos.exantematicas)) + 
     geom_bar(stat = "identity") +
     xlab("Anos") +  ylab("Casos Exantemáticas") +
     theme_minimal()

ggplotly(p)

---

Serie temporal mensal

casos.orig.st <- casos.orig |> 
           group_by(mes_ano) |>
           count(name="casos.exantematicas") 

casos.orig.st <- mes_tabela |>
           left_join(casos.orig.st, by="mes_ano") |>
            mutate(casos.exantematicas = ifelse(is.na(casos.exantematicas), 0, casos.exantematicas)) |>
            dplyr::select(mes_ano, casos.exantematicas)

---

casos.orig.st2 <- ts(casos.orig.st$casos.exantematicas, start=c(2000, 1), end=c(2021, 1), frequency=12)

dygraph(casos.orig.st2) |> 
            dySeries("V1", label = "Casos de Exantematicas") |>
            dyOptions(stackedGraph = TRUE) |>
                       dyRangeSelector(height = 20) |> 
                       dyAxis("y", label = "Casos de Exantematicas") |> 
                       dyUnzoom() 

---

Análise Espacial

# Agregando os casos de sarampo por município de residencia

casos.mun <- casos |> 
             mutate(cod_mun2 = substr(ID_MN_RESI, 1, 6)) |> #recortando digitos
             group_by(cod_mun2) |>
             summarise(casos = n()) 
             

# # 1) Criar uma variavel indicando os municipios dos casos que tem 6 
# # e os com 6 digitos
# 
# casos.mun <- casos.mun |> 
#               mutate(grupo = nchar(as.integer(ID_MN_RESI))) 
# 
# # 2) Separar os bancos para fazer os joins separados
# 
# casos.mun.7 <- casos.mun |> 
#               filter(grupo == 7)
# casos.mun.6 <- casos.mun |> 
#               filter(grupo == 6)


casos.mun.2 <- munic |>
                   left_join(casos.mun, by="cod_mun2") |>
                   mutate(casos = replace_na(casos, 0), 
                          cod_mun = as.numeric(cod_mun))  
                 

# Agregando por microregioes

casos.micro <- casos.mun.2 |> 
                # mutate(cod_micro = as.factor(cod_micro)) |>
                group_by(nome_micro) |>
                summarise(casos = sum(casos)) 

# Agregando por mesoregioes

casos.meso <- casos.mun.2 |> 
                # mutate(cod_meso = as.numeric(cod_meso)) |>
                group_by(nome_meso) |>
                summarise(casos = sum(casos)) 

# Baixando os mapas
# uf.sf <- read_state(year=2019)
# mun.sf <- read_municipality(year=2019)
# micro.sf <- read_micro_region(year=2019)
# meso.sf <- read_meso_region(year=2019)
# save(uf.sf, mun.sf, micro.sf, meso.sf, file = "mapas.RData")
load("bases/mapas.RData")

# Convertendo as malhas de UTM para Lat Long ####
uf.longlat <- st_transform(uf.sf, "+proj=longlat +ellps=WGS84 +datum=WGS84")
mun.longlat <- st_transform(mun.sf, "+proj=longlat +ellps=WGS84 +datum=WGS84")
micro.longlat <- st_transform(micro.sf, "+proj=longlat +ellps=WGS84 +datum=WGS84")
meso.longlat <- st_transform(meso.sf, "+proj=longlat +ellps=WGS84 +datum=WGS84")


# join the databases
mun.longlat <- left_join(mun.longlat, casos.mun.2, by = c("code_muni" = "cod_mun")) 
mun.longlat <- mun.longlat |>  mutate(casos = replace_na(casos, 0))

# Transfromando em minuscula
micro.longlat$name_micro <- tolower(micro.longlat$name_micro)
casos.micro$nome_micro <- tolower(casos.micro$nome_micro)

micro.longlat <- left_join(micro.longlat, casos.micro, by = c("name_micro" = "nome_micro"))
micro.longlat <- micro.longlat |>  mutate(casos = replace_na(casos, 0))

# Transfromando em minuscula
meso.longlat$name_meso <- tolower(meso.longlat$name_meso)
casos.meso$nome_meso <- tolower(casos.meso$nome_meso)

meso.longlat <- left_join(meso.longlat, casos.meso, by = c("name_meso" = "nome_meso"))
meso.longlat <- meso.longlat |>  mutate(casos = replace_na(casos, 0))

---

Distribuição dos casos de sarampo por Microrregiões

mytext.micro <- paste("<p>", "UF: ", mun.longlat$name_state, "<p>",
                "<p>", "Microregião: ", micro.longlat$name_micro, "<p>",
                "<p>", "Casos: ", micro.longlat$casos, "<p>",
                 sep="") |>
          lapply(htmltools::HTML)

# Criando uma espécie de função que criará uma escala de cores em função das classes de valores da variável
bins.micro <- c(0, 1, 10, 50, 100, 500, 1000, 11000)
pal.micro <- colorBin("Blues", domain = mun.longlat$casos, bins = bins.micro)



# greens = colorNumeric("Greens", domain = mun.longlat$casos)

mapa <- leaflet(data = mun.longlat) |> # O básico
        addTiles() |> # Determinar basemap
############### Layer das Microregiões ############
        addPolygons(data= micro.longlat,
              color = 'grey',
              weight = 1,
              smoothFactor = 0.5,
              fillOpacity = 0.8,
              fillColor = pal.micro(micro.longlat$casos),
              label = mytext.micro,
              labelOptions = labelOptions(
                style = list("font-weight" = "normal", padding = "3px 8px"),
                textsize = "13px",
                direction = "auto"),
                group = "Microregiões") |>
############## Polígonos das UFs ################
  addPolygons(data=uf.longlat,
              color = 'black',
              weight = 1.5,
              smoothFactor = 1,
              fill = FALSE,
              labelOptions = labelOptions(
                style = list("font-weight" = "normal", padding = "3px 8px"),
                textsize = "13px",
                direction = "auto"),
                group = "UFs") |>
############### Layer das Mesoregiões ############
        # addPolygons(data= meso.longlat,
        #       color = 'grey',
        #       weight = 1,
        #       smoothFactor = 0.5,
        #       fillOpacity = 0.8,
        #       fillColor = pal.meso(meso.longlat$casos),
        #       label = mytext.meso,
        #       labelOptions = labelOptions(
        #         style = list("font-weight" = "normal", padding = "3px 8px"),
        #         textsize = "13px",
        #         direction = "auto"),
        #         group = "Mesoregiões") |>
############## Legenda do Mapa Temático ################
  leaflet::addLegend(pal = pal.micro,
            title = "Casos de Sarampo",
            values =  micro.longlat,
            opacity = 1,
            position = "topright") |>
############## Colocando o botão de refazer #####################
setMaxBounds(lng1 = -70, lat1 = 2, lng2 = -37, lat2 = -36) |>
  #setView(lng = -46, lat = -25, zoom = 11) |>
  addEasyButton(easyButton(
    icon = 'fa-home',
    title = 'Reset view',
    onClick =  JS("function(btn, map) {
       var groupLayer = map.layerManager.getLayerGroup('Casos');
       map.fitBounds(groupLayer.getBounds());}" )
  )) |>
############## Controle das layers ################
  addLayersControl(
    # baseGroups = c("tipo1", "Tipo2", "Tipo3"),
    overlayGroups = c("Microregiões", "UFs"),
    options = layersControlOptions(collapsed = FALSE),
    position = "bottomright")

mapa